基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力, 以小汽车行驶轨迹数据为研究对象, 研究了不良驾驶行为的实时辨识问题; 基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据; 提出了应用风险度量方法量化典型不良驾驶行为的理论; 使用大样本统计分布方法确定不良驾驶行为的特征参数阈值; 建立了结合交通环境信息的不良驾驶行为谱, 计算了不良驾驶行为谱特征值; 以车辆不良驾驶行为谱特征值为依据标定不良车辆样本; 以部分驾驶行为谱参数为输入, 使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良跟驰行为特征。分析结果表明: 使用四分位差法得到不良跟驰特征参数的阈值为0.19 s-1, 大部分样本处于正常跟驰状态, 约2%样本处于不良跟驰状态; 基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例, 使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh; 不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率, 平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见, 不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法, 与人工智能方法结合可以生成海量的不良驾驶行为谱库; 不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题, 与常规算法相比具有更好的不良驾驶行为辨识能力。      

基于自然驾驶跟车数据的驾驶人差异性分析与辨识

为研究跟车工况下个体驾驶行为特性及其辨识,以驾驶人自然驾驶数据为基础,通过统计分析,频域分析及时频分析,多尺度对比驾驶人加速度、碰撞时间倒数、跟车时距等跟车轨迹特征参数分布的差异性;利用统计方法和离散小波变换提取能够表征驾驶人跟车习性差异的特征参数,分析不同参数输入结果,确定最优参数组合,建立基于随机森林的驾驶人差异性...     

基于多特征融合的疲劳驾驶检测

针对疲劳驾驶检测的特征源单一、辨识率低和实时性差等问题，提出基于多特征融合的疲劳驾驶检测方法。通过SSD目标检测算法进行人脸检测，利用轻量级模型PFLD实现人脸关键点定位。以眼部纵横比、嘴部纵横比和头部姿态为疲劳特征源，提取相关特征，对不同驾驶员疲劳阈值进行标定，基于改进的PERCLOS算法实现疲劳驾驶判定。仿真结果表明：多特征融合疲劳检测系统对自建数据集和YAW数据集的疲劳特征辨识率分别达到了90.5%和94.12%，在实时视频流上的执行效率达到31.59 ms，实现疲劳预警。     

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。      

无信号交叉口横向冲突预警对驾驶行为的影响

针对智能网联汽车在无信号交叉口对横向冲突的避撞问题,本研究设计了横向冲突人机交互预警及横向冲突驾驶模拟试验场景,并分析不同类型预警对驾驶行为的影响规律。运用驾驶模拟器搭建城市道路无信号交叉口并设计横向冲突事件,选取30位驾驶人作为试验对象,应用眼动仪、驾驶模拟平台开展驾驶模拟试验;采集风险场景下驾驶人的眼动、操作行为与车辆运行数据;对比分析各组场景下驾驶人的注视时长和扫视频率及行车速度、制动时间和踩制动踏板速率等驾驶行为特性参数,分别运用方差分析和描述性统计方法分析了预警提示类型和提示时机两个方面对驾驶行为特性的影响。结果表明：网联警告型预警的警示效果优于常规提示型预警,但该类预警使驾驶人操作车辆时的减速度增大至-4 m/s²以上,导致行车舒适性降低;预警提示时机对驾驶行为的影响显著,且预警提示位置宜设置在距离交叉口50～90 m处。研究结果能够为交通安全设施开发者提供有效HMI预警设计建议,提高无信号交叉口通行安全性。     

驾驶行为数据驱动的城市道路交通安全风险辨识方法探讨

为提高城市道路交通安全水平,针对道路交通安全风险辨识方法多采用宏观事故数据及小样本交通调查数据的研究现状,紧扣当前道路设计及交通管理对风险客观精确辨识的现实需求。首先,分析了已有风险辨识方法的优缺点,及现有辨识方法面临的挑战;其次,基于国内外驾驶行为研究现状,结合车联网OBD异常驾驶行为数据精确度高、数据量大等优势,定性剖析不同道路条件与异常驾驶行为的关系;最后,建立道路条件与异常驾驶行为关联模型,分析探讨利用异常驾驶行为数据辨识道路交通安全风险的研究思路,并提出相应的思路流程及关键技术的进一步研究。     

车联网环境对城市快速路驾驶安全的影响评价

为明确不同情形下车联网对城市快速路交通安全的影响程度,首先,在分析车联网对快速路驾驶行为影响的基础上,对车联网和常规驾驶环境下的驾驶模型参数进行了标定;然后,选取累计碰撞时间（Time Exposed Time-to-collision, TET）和积分碰撞时间（Time Integrated Time-to-collision,TIT）指标对快速路纵向驾驶行为进行安全评价,选取侧向碰撞风险（Sideswipe Crash Risk, SSCR）作为快速路横向换道驾驶安全的评价指标;最后,基于VISSIM设计快速路进行仿真试验,考虑车联网和常规驾驶环境,研究不同渗透率和饱和度条件下网联车对纵向追尾和横向换道驾驶行为的安全影响程度。研究结果表明：车联网环境下网联车渗透率对快速路驾驶行为的影响呈现出缓慢提升（0～50%）、快速提升（50%～75%）及显著提升（75%～100%）三阶段,其中TET指标分别对应降低14.57%, 30.10%和49.01%;车联网环境下,交通饱和度对快速路的交通安全影响则呈现出先快后慢的改善趋势。当网联车渗透率超过75%之后,交通安全提升程度最为明显;车联网环境中,当快速路交通饱和度低于0.8时,交通安全改善程度更为显著。     

基于贝叶斯判别的驾驶行为危险状态辨识

为有效辨识危险性驾驶行为,以事故发生概率为依据,对驾驶行为的危险状态分级.采用单因子方差分析提取危险状态辨识主因子.基于贝叶斯判别构建了驾驶行为危险状态辨识模型.将在连续驾驶条件下5名驾驶员驾驶行为状态指标测试数据分为两组,分别用于标定与测试模型.测试结果表明错判率为4.3%.     

高速公路平直路段雾霾天气下的IDM跟驰模型分析

雾霾等恶劣气候对交通安全带来严重威胁.为分析雾霾天气下驾驶行为规律,利用高逼真度驾驶模拟器,构建了高速公路平直路段雾霾天气场景,开展了自由加速、紧急制动和跟驰试验;基于采集的试验数据利用遗传算法对IDM (Intelligent Driver Model)跟驰模型进行了标定,并与晴天同路段标定参数进行了对比分析.结果显示,雾霾天气下IDM模型中起步加速度和舒适减速度参数并无显著差异,但安全距离、安全车头时距、期望速度等参数比晴天情况显著减小,由此表明雾霾天气下的交通冲突风险显著增大,应加强雾霾天气下的安全管理.     

多车道高速公路出口开口段安全特性分析

为研究不同断面形式下的多车道高速公路出口影响区开口长度及流量与交通安全的关系，针对2种断面形式的高速公路出口，分别设计了3种不同的开口长度，结合3种不同流量条件设计了18个不同的驾驶模拟场景。实验招募30名被试者开展模拟驾驶实验，提取不同开口长度及流量条件下各断面形式高速公路出口的车辆行驶轨迹、换道间隙的选择、减速度、最小 TTC (Time to Collision)等驾驶行为特性参数，综合分析基于驾驶行为数据对不同开口长度的行车风险。结果表明：两种断面形式下，开口长度对于车辆在开口段上的换道点选择存在显著影响；两种断面形式下，1500 m的开口长度能够满足绝大多数驾驶人的换道需求；在换道间隙选择中，大都集中在5~6 s，分离式断面下的开口长度对于低于临界间隙的换道间隙出现的频次具有显著影响；流量及开口长度对于最大减速度及TTC最小值和分布位置均不存在显著性影响，但分离式断面下的最大减速度和最小TTC相较于整体式断面更小；此外，整体式断面中内侧3车道的行车风险低于分离式断面，分离式断面中外侧车道的行车风险低于整体式断面。     

抵近信控交叉口分心驾驶识别模型

为降低驾驶人抵近交叉口过程因分心导致的交通事故，本文基于双向长短时记忆网络 (BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验，采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据，通过方差分析研究分心任务对驾驶行为的影响。结果表明，分心驾驶人需要更长的制动反应时间，制动操作时间缩短，踩压制动踏板的力度下降，同时操纵方向盘的稳定性变差。然后，筛选有显著性影响的6个特征行为指标作为模型的输入，结果表明：BILSTM模型分心状态识别的精确率最高，达到92.6%，F1值为88.7%；准确率、精确率、召回率、F1、AUC和ROC曲 线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说 明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态，可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。     

�����˹�������ļ�ʻ��Ϊ��̬����ѧϰ�㷨

针对传统驾驶决策模型难以体现驾驶员驾驶过程中对交通环境的感知、判断、决策、动作等环节存在不确定性和不一致性,提出了一种基于神经网络的驾驶行为动态集成学习算法——DNNIA.首先训练多个个体网络模拟驾驶行为,然后动态选择泛化误差E最小的个体网络进行集成,采用拉格朗日函数法求解最优集成权系数ωi,并引入agent联盟的思想,把联盟中的个体网络对应的神经元输出做加权平均后,取最大值作为输出.在标准数据集上验证了该算法的有效性,仿真实验中得到的驾驶员踩踏踏板的习惯行为仿真结果与实际采集的样本数据总体趋势基本吻合.     

基于虚拟驾驶环境的驾驶员反应时间采集和测算研究

针对驾驶者在分心时面临前车无预警刹车的情况进行实验,以研究前方突发事件对驾驶造成的感知反应时间。加入年龄、不同跟车距离及限速三个因子,探讨感知反应时间受到这些实验因子影响而导致的差异性,以提供驾驶员反应时间的参考,保障行车安全。     

基于结构方程模型的超速行为分析

为了识别和量化驾驶员在不同交通条件下遵从限速标志或限速警告信息的影响因素,及其相互之间的因果关系,应用探索性因子分析方法与结构方程模型,对534份驾驶员调查问卷进行了数据分析.分析结果表明:结构方程模型和观测数据拟合程度良好(拟合度指标值大于0.9),完全符合判别标准;在低危险感知与高危险感知两种情况下,驾驶员对限速的满意度是影响驾驶员遵从限速规定的主要影响因素;其次是年龄、驾龄、超速受罚次数、驾车频率等驾驶员自身及背景因素.改善驾驶员对于限速规定的整体认可与满意程度,适当提高驾驶员的超速行为风险,是逐步提升驾驶员遵从限速规定行为的有效方法.      

疲劳预警分级提示下的驾驶行为响应特征

确定疲劳预警提示时机是车载疲劳预警提示技术中的关键和难点,通过驾驶员对预警提示的驾驶行为响应特征来判断提示时机的合理性是解决该问题的新思路. 通过开展在疲劳分级预警提示环境下的驾驶模拟试验,采集驾驶员眼动（眼闭合时间比例）和车道偏移（车道偏移标准差、车道偏移均值、车道越线面积）指标,并通过成对Wilcoxon signed-rank检验,分析不同等级预警提示前后15 s时间内关键驾驶行为指标的差异. 研究结果表明:在设定的疲劳分级规则下,一般疲劳预警提示后,车道偏移标准差均值显著下降0.129 1,车道越线面积均值显著下降8.574 4;在严重疲劳预警提示后,眼闭合时间比例显著下降0.044 9,但车道偏移标准差和车道越线面积均未发生显著改变,驾驶员应该尽快停车休息.      

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

城市干路行人过街警告标志前置距离研究

结合城市干路中行人过街安全问题,针对行人过街警告标志设置的前置距离问题进行研究。首先对驾驶员驾驶过程中的视认特征进行分析,并将其划分为不同阶段,其次根据不同阶段驾驶行为特征建立各阶段车辆行驶距离模型,并考虑停车安全距离,最终构建行人过街警告标志前置距离解析模型。最后,根据人机工程学原理进行驾驶模拟试验,测定相关数据,并对模型中各参数值大小进行标定。经计算得到不同速度、不同车道数下的行人过街警告标志前置距离,并给出建议距离。结果表明,当速度一致时,随着车道数增加,行人过街警告标志前置距离不断增大;当车道数一致时,随着速度增加,标志前置距离增大。研究结果可为城市干路行人过街警告标志设置提供参考。     

自动驾驶接管影响因素分析与研究进展

部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统，但驾驶员仍需对驾驶环境进行监测，若发生紧急事件或驾驶环境超出系统运行设计域等情况，驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括：人因、交通环境以及人-机交互系统。本文分析了驾驶员认知负荷特性等人因对接管过程和接管时间预算的影响。分析发现，驾驶员长时间脱离驾驶任务会导致其陷入被动疲劳或驾驶分心状态，从而降低接管绩效。适当的非驾驶任务可以使驾驶员保持一定的认知负荷，降低驾驶员的被动疲劳水平。结合网联技术的应用可以多次发出预警信号，提高接管绩效。本文讨论了交通密度、道路条件等交通环境对接管时驾驶员感知、认知及决策的影响，探讨混合交通下过渡区智能网联车辆控制权切换 (Transitions of Control, ToC) 的管理问题。在复杂道路交通下，驾驶员需要更多时间恢复对环境的感知，且驾驶员在弯道接管车辆时更容易出现较大横向偏差。在混合交通环境中，为防止过渡区出现集中的ToC，可以制定相应交通管理措施，以降低过渡区域中车辆之间的相互干扰。本文还分析了视觉、听觉、触 觉、嗅觉及其组合类型交互方式的优、缺点，讨论网联环境下人-机交互系统设计以及ToC形式。 单个的交互方式有其自身的优、缺点，多种类型相结合的交互形式能形成优势互补，及时地将接 管信息传递给驾驶员，并将其注意力集中于对环境的感知。网联技术发展使得可利用的行车信息的数量和种类都有所提高，网联信息需要更好地呈现策略，以保证人-机交互界面具有较高的可用性和接受性，为驾驶员提供更加准确的交互信息。同时，利用驾驶员状态识别技术实时监测驾驶员所处状态，并通过人-机交互系统提醒驾驶员，使其保持警觉，提高接管绩效。未来研究应该重点关注非驾驶任务对驾驶员认知特性的影响，结合接管时的驾驶环境，遵循预测算法辅助驾驶员实现控制权的平稳过渡。随着网联技术的不断应用，逐步改进现有人-机交互系统的设计和性能，对过渡区域ToC的管理问题展开深入研究。